Sentiment Analysis of Twitter Movie Opinions

Przedmiotem niniejszej pracy magisterskiej jest automatyczna analiza opinii, pochodzących z serwisu Twitter, przeprowadzona przy użyciu słownika. W celu przeprowadzenia tej analizy został skonstruowany algorytm, umożliwiający rozpoznanie opinii, klasyfikację pod względem nacechowania (pozytywne, neutralne lub negatywne), a także wyliczenie oceny określającej intensywność tego nacechowania. W tych celach algorytm wykorzystuje ręcznie zbudowany słownik, zawierający wyrażenia podzielone pod względem ich nacechowania – na pozytywne i negatywne. Do każdego wyrażenia została przypisana wartość określająca intensywność jego nacechowania. Główną częścią pracy jest aplikacja wykorzystująca opisany algorytm do automatycznej oceny kolekcji 500 tweetów o filmie „Spectre”.

The subject of this master’s thesis is lexicon-based sentiment analysis of opinions from Twitter. In order to perform the analisys, an algorithm was developed. The algorithm identifies an opinion, categorizes it based on its sentiment (positive, neutral or negative) and calculates a grade that determines the intensity of that sentiment. For this purpose a manually created dictionary is utilized, which contains words divided in two groups, those of the positive sentiment and those of the negative sentiment. To each word is assigned a scale which indicates how strong is its sentiment. The main part of this thesis is an application that implements the described algorithm in order to automatically grade a collection of 500 tweets about the movie „Spectre”.